蚁群算法在物流配送路径优化问题上的应用研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 序言 | 第10-15页 |
| ·课题的背景 | 第10页 |
| ·问题的提出 | 第10-11页 |
| ·课题研究的意义 | 第11-12页 |
| ·本文的研究内容 | 第12-13页 |
| ·本文的组织结构 | 第13-15页 |
| 第二章 基本蚁群算法 | 第15-23页 |
| ·自然界中蚁群的行为 | 第15-16页 |
| ·基本蚁群算法的机制原理 | 第16页 |
| ·基本蚁群算法模型的数学描述 | 第16-18页 |
| ·基本蚁群算法的实现 | 第18-20页 |
| ·基本蚁群算法实现的步骤 | 第18-19页 |
| ·基本蚁群算法实现的流程图 | 第19-20页 |
| ·基本蚁群算法的系统特性 | 第20页 |
| ·基本蚁群算法的复杂度 | 第20-21页 |
| ·基本蚁群算法的时间复杂度 | 第20-21页 |
| ·基本蚁群算法的空间复杂度 | 第21页 |
| ·基本蚁群算法的缺点 | 第21-23页 |
| 第三章 基于遗传学的蚁群算法 | 第23-33页 |
| ·基于遗传学的蚁群算法(G-蚁群算法)的原理 | 第23页 |
| ·基于遗传学的蚁群算法的实现 | 第23-26页 |
| ·G-蚁群算法实现的步骤 | 第23-25页 |
| ·G-蚁群算法实现的流程图 | 第25-26页 |
| ·参数的设置 | 第26-30页 |
| ·启发式因子α对蚁群算法性能的影响 | 第27-28页 |
| ·期望启发式因子β对算法性能的影响 | 第28页 |
| ·信息残留因子ρ对算法性能的影响 | 第28-30页 |
| ·仿真实验与结果分析 | 第30-33页 |
| ·算法的软件实现 | 第30-31页 |
| ·实验结果分析 | 第31-33页 |
| 第四章 物流配送系统优化模型的研究 | 第33-41页 |
| ·车辆路径问题概述 | 第33-34页 |
| ·经典VRP的数学模型 | 第34-35页 |
| ·求解VRP问题的一般方法 | 第35-37页 |
| ·NPC问题和NP-hard问题 | 第37-41页 |
| ·P类问题与NP类问题 | 第37-38页 |
| ·约化 | 第38页 |
| ·NPC问题 | 第38-39页 |
| ·NP-Hard问题 | 第39-41页 |
| 第五章 G-蚁群算法在物流配送问题中的应用 | 第41-56页 |
| ·蚁群算法求解TSP和VRP的区别 | 第41-42页 |
| ·带有时间窗约束的VRP问题 | 第42-45页 |
| ·带有时间窗的车辆路径问题概述 | 第42-43页 |
| ·VRPHTW问题的数学模型 | 第43-45页 |
| ·应用G-蚁群算法解决VRPHTW问题 | 第45-46页 |
| ·求解VRPHTW问题的基本步骤 | 第45-46页 |
| ·求解VRPHTW的流程图 | 第46页 |
| ·G-蚁群算法的关键操作 | 第46-51页 |
| ·编码 | 第46-48页 |
| ·种群初始化操作 | 第48页 |
| ·适应度的计算 | 第48-49页 |
| ·选择操作 | 第49-50页 |
| ·交叉操作 | 第50-51页 |
| ·变异操作 | 第51页 |
| ·仿真实验与结果分析 | 第51-56页 |
| 第六章 总结 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士期间发表论文情况 | 第62页 |
